Υπολογιστικές μέθοδοι για βελτιστοποίηση γενετικών θεραπειών για τη μυϊκή δυστροφία Duchenne

Παμπίδης, Αθανάσιος

dc.contributor.author	Παμπίδης, Αθανάσιος	el
dc.date.accessioned	2020-05-27T11:57:34Z
dc.date.available	2020-05-27T11:57:34Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/50699
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.18397
dc.rights	Αναφορά Δημιουργού 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by/3.0/gr/	*
dc.subject	Βιοπληροφορική	el
dc.subject	Duchenne	el
dc.title	Υπολογιστικές μέθοδοι για βελτιστοποίηση γενετικών θεραπειών για τη μυϊκή δυστροφία Duchenne	el
heal.type	bachelorThesis
heal.secondaryTitle	Computational methods for the optimization of gene therapies for Duchenne muscular dystrophy	el
heal.classification	Μηχανική εκμάθηση	el
heal.classification	Βιοπληροφορική	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2019-12-01
heal.abstract	Η Μυϊκή Δυστροφία Duchenne, μια θανατηφόρος γενετική ασθένεια που πλήττει 1 στα 5000 νεογέννητα αγόρια παγκοσμίως, οφείλεται σε μεταλλάξεις στο μεγαλύτερο ανθρώπινο γονίδιο, το γονίδιο της δυστροφίνης. Τα συμπτώματα εμφανίζονται από την ηλικία των 3 ετών και το μέσο προσδόκιμο ζωής υπολογίζεται στα 25 χρόνια χωρίς να υπάρχει γνωστή θεραπεία μέχρι σήμερα. Πολύ ελπιδοφόρα θεωρείται η μέθοδος του exon skipping με CRISPR από τις γενετικές θεραπείες που έχουν δοκιμαστεί. Κατά το exon skipping γίνεται παράκαμψη ενός ή περισσότερων εξονίων από το μηχανισμό ματίσματος ώστε να αποκατασταθεί το πλαίσιο ανάγνωσης και να παραχθεί μια μικρότερη σε μήκος πρωτεΐνη αλλά λειτουργική. Αυτό επιτυγχάνεται με τη χρήση της πρωτεΐνης Cas9 που έχουν τα βακτήρια σε συνδιασμό με ένα sgRNA όπου οδηγεί την πρωτεΐνη στο επιθυμητό σημείο του γονιδίου ώστε η πρωτεΐνη να κόψει το DNA. Αφού κοπεί το η αλυσίδα στο επιθυμητό σημείο, για να μην καταστραφεί η αλυσίδα, τα δύο κομμάτια της αλυσίδας ξανακολλάνε μεταξύ τους δημιουργώντας συνήθως μια μετάλλαξη η οποία μπορεί να οδηγήσει σε μια νέα αλληλουχία που δεν κωδικοποιεί το εξόνιο. Στη παρούσα εργασία γίνεται προσπάθεια μελέτης και πρόβλεψης των χαρακτηριστικών των sgRNA που τους επιτρέπουν να είναι αποτελεσματικά για τη θεραπεία της Μυϊκής Δυστροφίας Duchenne. Από πειραματικά δεδομένα σε ανθρώπινα κύτταρα, γίνεται προσπάθεια εκπαίδευσης ενός αλγορύθμου μηχανικής εκμάθησης για τη δημιουργία ενός μοντέλου πρόβλεψης. Παρατηρήθηκε ότι η δομή της αλυσίδας στο σημείο που στοχεύουμε και το εαν η θέση του σημείου είναι στην κωδικοποιούμενη περιοχή (εξόνια) αποτελούν τα κυριότερα χαρακτηριστικά των αλυσίδων που πέτυχαν το επιθυμητό αποτέλεσμα στα κύτταρα. Η κατανόηση του τρόπου εισόδου στα κύτταρα, ένα μεγαλύτερο σετ δεδομένων ή και μοντελοποίηση σε άλλους οργανισμούς θα μπορούσαν να είναι επόμενοι στόχοι για βελτίωση του μοντέλων που δημιουργήθηκαν.	el
heal.advisorName	Κουσουρής, Κωνσταντίνος	el
heal.committeeMemberName	Γεωργακήλας, Αλέξανδρος	el
heal.committeeMemberName	Κουσουρής, Κωνσταντίνος	el
heal.committeeMemberName	Τσιπολίτης, Γεώργιος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Εφαρμοσμένων Μαθηματικών και Φυσικών Επιστημών. Τομέας Φυσικής	el
heal.academicPublisherID	ntua
heal.numberOfPages	59 σ.	el
heal.fullTextAvailability	false